Meta anime son assistant Muse, voix et avatar synchronisés en direct
— AUDIOVISUEL
Muse parle, s'anime et se laisse interrompre, avec un personnage à l'écran réglable selon l'envie de l'utilisateur. Le déploiement démarre aux États-Unis pour les adultes, sans date annoncée pour la France.
Meta ajoute une voix et un visage à son assistant Muse. L'utilisateur peut parler, couper la réponse en cours, et voir un personnage réagir à l'écran pendant l'échange. Le déploiement commence aux États-Unis, réservé aux personnes de 18 ans et plus, sur mobile, web et application Mac, sans calendrier pour la France.
Personne dans un studio francophone n'ouvrira cette fonction demain matin. Elle reste cantonnée à un public grand public américain, pour discuter d'un voyage ou répéter un entretien d'embauche à voix haute. La partie qui mérite l'attention d'un professionnel de l'image se cache derrière l'interface : un même flux technique produit la voix et l'animation du personnage, de façon à synchroniser lèvres et expressions en direct. Meta annonce une vidéo à 25 images par seconde avec moins d'une seconde entre la fin de la phrase de l'utilisateur et le premier fragment de réponse animée.
Ce type de moteur, capable de faire parler et bouger un visage en temps réel, est exactement ce qui finira dans les outils de doublage, les présentateurs virtuels de marque ou les avatars publicitaires animés. Un réalisateur de films institutionnels ou un motion designer qui travaille aujourd'hui sur des porte-paroles synthétiques verra ce genre de brique arriver dans ses logiciels de production d'ici deux ans, avec un prix déjà en train de se fixer dans ces laboratoires.
La démonstration reste prudente sur le fond. Meta précise que les gestes et expressions de l'avatar mettent en scène l'écoute, sans garantir ce que l'assistant comprend réellement de la conversation. Le communiqué évoque aussi des tâches exécutées en arrière-plan pendant qu'on marche ou cuisine, sans détailler lesquelles.
Comparé aux assistants vocaux sans incarnation, le saut technique se situe dans la synchronisation image-son en direct, pas dans une intelligence conversationnelle inédite. C'est un signal de rythme industriel plus qu'un outil à tester cette semaine.
Le jour où cette synchronisation voix-geste sortira des laboratoires vers les logiciels de montage ou de production de personnages virtuels, la question du prix et de la disponibilité en France se posera déjà en retard.